C++ 提速的新发现

雷达

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子,  但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。
" Y$ P/ J* b; S/ q2 o: n- q* c
速度优化问题真的很有意思啊。
+ m8 X5 a  x  r) \$ d! [
  M# A0 p6 |' B& L# Q! L4 G欢迎大家继续讨论

数值分析

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻

Maybe Debug mode?

雷达

6 X7 D; E( u! u

数值分析 发表于 2022-9-24 23:04
2 I" n0 T0 M# A5 V5 _9 I拉下来？拉多少？
0 J7 F$ X& Q5 n- W. n3 Q把代码贴上来看看？

: l- @% o9 q6 r$ E9 Fvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
4 n# ?  E4 S1 Q$ h{
  ]5 c8 K, N% B  C        comp temp, xtimesy;
: m- |$ I% m" ~7 R7 o# }4 A        xtimesy.re = 0;
        xtimesy.im = 0;
3 `: M6 Y2 i& g+ S4 _& J/ g        int j0 = lenB - 1;
        int    i, j, i1, reali;
        if (lenA % 2 == 1)
2 ^9 e$ |2 u% j' ^% y: l) S3 ?                reali = lenA + 1;
: N' L( H; h5 Z/ X, V" m$ w3 k. W        else
                reali = lenA;
        reali /= 2;

        int nconv = reali + lenB;
        //#pragma omp parallel for
3 G. I' P' {: Q. o8 m4 D        for (i = reali; i < nconv; i++)
! b. @5 W8 L0 o- I( n/ }$ @        {
                temp.re = 0;
                temp.im = 0;
+ U3 f* `: @$ s( S0 j) e' Y( |                i1 = i;
( \# Y0 n0 V+ ]- E  W3 H6 _9 r2 M                for (j = j0; j >= 0; j--)
; D; Q( I  W- I                {
                        /* floating date operation */
6 V5 W1 W* o7 {8 O1 J                }
        }
}
# Z6 Z4 d; f8 E- r8 O* K4 n& L# J( ]
xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

8 n. ?" U. R. z2 L- @# b' W) X红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.
6 w2 ^  q7 m) x7 `
) K5 Q7 q, A; S: ~% E& g6 _如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

8 J+ {# X2 |; A9 N

雷达

风雨无阻 发表于 2022-9-24 23:33
Maybe Debug mode?

. x8 r7 v3 {$ t  N0 x; b8 U
不应该，看我上面的回复。
: r0 ]8 v; X3 w" d% x  D
我更怀疑是 VS 社区版的问题

数值分析

9 S- v" h5 t. e) j8 b4 G

雷达 发表于 2022-9-24 23:54
1 b- F7 O: v$ S- J1 Z; _2 hvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
8 ]5 T5 j9 i% R- g# I{
* L" n# ~! V( i/ I2 T6 D2 Y% @        comp temp, xtimesy;

7 z( g' ?9 K% M) I* x
这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。
; J  ^" Y) v; _, n
" r8 t8 W8 k; e! Y2 h1 D5 O而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。

% r5 E. k  w1 x- G) J0 b您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

1 _: ]# S1 k9 o5 ^3 K8 f
" a- S& V. z* T; @有道理。
/ l# a1 c" H* E2 j+ V所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。
1 O: J& F3 R3 d! |3 Y9 f
我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝

雷达 发表于 2022-9-25 00:46
有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

9 Q! w% `5 C0 i7 J4 A+ @你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
; n. ~7 X( P, s/ Z4 u. KWhy is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝

数值分析 发表于 2022-9-25 00:20
这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析

' T, B8 S" ~6 `' l! x4 P; @

沉宝 发表于 2022-9-25 01:48
) r  A9 c+ p0 `! ^1 e! h现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

+ v% i1 S0 a( h: F) i, E, K' I" n
  d" c; Z2 L* D  f3 A) |是的，兄台说的对。

其实我想说的是 真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。
5 Q  Z9 P1 f: o
& Z! D5 g! ]5 j, W7 B雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。
9 i& r1 P$ L* N: @6 i: o9 n
比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达

沉宝 发表于 2022-9-25 01:27
+ w2 h; ^9 B' O; _你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。
) ^5 B# h% ~0 @
8 [" ~9 B+ X/ D% l2 Q$ m* k我已经完全懵了。

沉宝

雷达 发表于 2022-9-25 04:47
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

# T$ R; w3 w: X5 D你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析

6 t! X/ ?/ I2 n' E: F2 o5 F

雷达 发表于 2022-9-25 04:47
$ J; ?2 P: P+ I% V( {" p又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

( O+ P# B& ?6 s  j/ }3 }4 O
7 m) p# |% s, {# F; E+ ~
" h/ _2 n4 j, m4 G* G4 M" D能不能把这个也贴上来，看看和上一个有什么不同？

雷达

数值分析 发表于 2022-9-25 14:58
能不能把这个也贴上来，看看和上一个有什么不同？

1 {' @6 `  Z; f2 n1 e理了理思路，重新做了一个测试。
做了两个 vector 和 两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.
7 B" U0 j- R2 g4 P
* K" @, n1 k# [' H) k内循环试了4种方法，
* k/ K. W5 v. Z. _; M" Y1. 直接调用 vector inner_product 247s
3 E/ w/ l, J8 @4 K" \2. vector 循环点乘累加 237s
8 t! D0 a7 d; G3 P. f/ P% F' q3. float * 循环点乘累加 204s
) o$ L, X4 I! {6 z- k4. 空循环 100000 次 202s
2 Y7 P, H! g$ s1 d, |
& e) u) T0 l' @  ?! A, U7 R不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
3 b" L$ v5 ?# P5 S另外可以看到， float * 循环点乘累加 并不差，比用vector 还更快。
& X5 V* E; l+ d: h+ @: J* ?
. r$ \2 @" _+ C4 \. [1 }至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的  b1 加 方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成  jj 好了，原来 方括号里的 i 是斜体标志  LOL）
. t8 H- t; M6 K; v( l* j4 m
; [9 h! }: T9 F/ C- W! y4 {) u

        std::vector < float > vec1(N);
        std::vector < float > vec2(N);
        float* b1 = new float[N];
        float* b2 = new float[N];

        for (int j = 0; j < 6000; j++)
: J% \3 {# i: x( H) n1 b        {
# K* o: L$ P, O' m9 v                std::generate(vec1.begin(), vec1.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;
4 [7 Q- q0 I8 Y2 m/ V6 o4 I! S                        });
# _! i5 l% o) \5 r$ u& O' ?& L; f
4 G% _! ]8 h6 s                std::generate(vec2.begin(), vec2.end(), []() {
                        return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
+ {( }! b! N" l) G                        });

                for (size_t jj = 0; jj < vec1.size(); jj++)
                {
+ x, p' e9 Q/ ~2 [6 D6 U: [0 g/ F9 O                        b1[jj] = vec1[jj];
: c. m; r0 @2 A" P( a                }

. t7 b7 R6 L5 X                for (size_t jj = 0; jj < vec2.size(); jj++)
5 r# H" G. ]; H                {
                        b2[jj] = vec2[jj];
! G1 Z2 H' |9 S2 J                }
1 }2 [/ X5 n  u
$ h  d3 ]; s  f8 i4 P4 x) B                //Method - 1  N=100000 247s  
& ?. @8 a5 V) d0 U                //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
                                
% o  h/ K, [1 G9 E" O* N                //Method - 2  N=100000  237s
( t+ l" K4 J, B) M1 |                /*
6 [' i# E: x0 J6 g8 C+ k6 c                for (int jj = 0; jj < N ; jj++)
- d7 L( N+ p- G" _                {
9 K3 g& F, Z7 Q9 R                        fresult += vec1[jj] * vec2[jj];
6 \+ A! C1 X* h% M4 C( s" z( e6 \                }
                */
0 l! q- j2 d5 L% g5 Y                                
                //Method - 3  N=100000 204s
) U1 U. T" ^5 M" W2 c7 m6 m' L                /*
; p# j+ G1 z" F  ?' @/ t                for (int jj = 0; jj < N; jj++)
( B  K- C6 i& \- `! l4 J                {
; j7 u- F; z6 e$ d                        fresult += b1[jj] * b2[jj];
                }
$ f- A$ v3 I% b% R' s                */

8 U. V- x4 n1 ~8 Z' ]: p! }                //Method - 4   202s
                /*
6 @9 v1 V$ r6 @7 |$ C9 Z2 e( R. _- A                for (int jj = 0; jj < N; jj++)
. N) j' S: I5 I3 Y5 [. w                {
+ Q  Y( o6 _+ u  D2 h                        
; k* |  i$ G2 Y                }
0 u: y- G" k  S" c' j# E' N                */
% p8 i% d+ f) y3 s( }" U. x                //comment out all methods, N=100000  202s               
        }
) W1 |- F5 l3 j
5 W* t: |8 h% T2 j  R) q: u        delete []b1;
$ h1 b: I! _2 [4 t' r! s7 a' f: h        delete []b2;

机器猫

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？
$ {! a! K: p' Q; r" r& v! \3 E
6 z6 I6 e5 e& R2 A你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达

机器猫 发表于 2022-9-27 00:15
, y  U" E* o  `6 O0 T. o瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

  n# j+ M* I* q" u0 a你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累 、LOL
; ~: O/ ]5 H- H, n; A
" ?% ~$ O* F' n不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫

雷达 发表于 2022-9-27 01:16
. j8 N+ F! E) A6 T9 @6 J+ v7 E* X内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累 、LOL
( v4 ?% x* @/ a/ h# h. I* O' ~
% u. |  s) M5 @: Z不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
2 p$ B) Q4 m8 b. Z5 _4 H( `  a8 Q. H, ^后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声

雷达 发表于 2022-9-24 23:54
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
4 C! u4 U4 Q- _4 q        comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
7 a; d1 @% {" I+ f* _: Z, g内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
* `: [8 d! j9 `1 ?VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。